Cytotoxic Activity Against Liver Cancer and Cholangiocarcinoma Cells of Artemisia vulgaris L. Extract and Cirsimaritin, Its Isolated Compound
Notice bibliographique
Résumé
Introduction: Liver cancer is the most common cancer in Thailand. Artemisia vulgaris L. is one of Thai herbs used in many Thai traditional cancer recipes. The objective was to investigate cytotoxic activity against hepatocellular carcinoma (HepG2), cholangiocarcinoma (KKU-M156) cells of Artemisia vulgaris L. Extract, and its compound. Methods: The SRB assay was used to determine the cytotoxic activity. Bioassay guided isolation was used for isolating cytotoxic compound. Results: The ethanolic extract of A. vulgaris L. showed good cytotoxic activity against HepG2 and KKU-M156 (IC50 =13.36 ± 0.45 and 17.07 ± 0.95 µg/mL, respectively), while it also showed cytotoxicity against normal cell lines (HaCaT, IC50 = 27.30 ± 3.71 µg/mL). Vacuum liquid chromatography (VLC) in (Chloroform: Methanol) fraction showed the best cytotoxic. Cirsimaritin, the isolated compound from the active fraction showed better cytotoxic activity against HepG2 than KKU-M156 (IC50 =1.82 ± 0.63 and 21.01 ± 0.84 µg/mL, respectively), while it had no cytotoxicity against normal cell lines (HaCaT) (IC50 >100 µg/mL). This compound showed selective cytotoxicity against HepG2 with selective index (SI) value of 54.94. Conclusions: Cirsimaritin showed selective cytotoxic activity against liver cancer cells with the IC50 value less than 4 µg/mL and the SI value more than 50. In regards to NCI criteria which consider that the value of IC50 of a good cytotoxic compound must be less than 4 µg/mL, therefore, it has the potential to be developed as an anti-cancer drug for liver cancer cells. It also demostrated selective cytotoxic activity against liver cancer cells better than cholangiocarcinoma.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».